From Millions of Tweets to Actionable Insights: Leveraging LLMs for User Profiling

一、文章主要内容总结

本文提出了一种基于大语言模型（LLM）的社交媒体用户画像方法，旨在解决传统方法依赖大量标注数据、特征不可解释、适应性差等问题。核心流程包括：

1. 数据过滤：通过半监督语义过滤方法，利用领域知识库（如维基数据）从600万条波斯语政治推文中筛选出170万条政治相关内容，构建数据集PersianPol6M。
2. 画像生成：
   • 抽象式画像：使用LLM生成自然语言摘要，提炼用户观点和趋势。
   • 提取式画像：从推文中选取最具代表性的原文，保留用户真实表达。
3. 评估框架：通过基于LLM的开卷问答任务，对比画像与完整推文历史的立场检测性能，验证信息保留能力。

实验结果表明，该方法在宏观F1分数上比传统方法和现有LLM方法高出9.8%，尤其在提取式画像中表现更优，同时减少了对标注数据的依赖。

二、文章创新点

1. 领域定义语句驱动的画像框架
   利用从数据中提取的领域定义语句（如政治立场声明）作为画像基础，替代传统预定义类别，提升跨领域适应性。